Kembali ke Berita
produkAI Understanding taklimat

NPCI dan NVIDIA melancarkan persekitaran latihan AI terbuka untuk ejen perbankan

NPCI dan NVIDIA telah melancarkan persekitaran pembelajaran pengukuhan terbuka di Global Fintech Fest 2026, membolehkan pembangun melatih dan menanda aras ejen AI mengenai tugas perbankan India menggunakan data sintetik.

4 min readRead the linked source
Source-page capture accompanying NPCI and NVIDIA launch open AI training environment for banking agents
Rujukan sumberSumber direkodkan
Penerbit
cnbctv18.com
Pautan sumber
cnbctv18.comhttps://www.cnbctv18.com/technology/gff-npci-nvidia-launch-open-ai-training-environment-banking-agents-19988425.htm
Jenis sumber
Sumber terpaut — status sumber primer belum ditetapkan.
KonteksFahami perkara ini dalam masa 60 saat

Mulakan di sini

Istilah utama

MCP (Protokol Konteks Model)
Protokol terbuka yang membolehkan aplikasi AI menyambung ke alat luaran, sumber data dan penyedia konteks dengan cara yang standard.
Pembelajaran Pengukuhan
Latihan melalui isyarat ganjaran di mana ejen mempelajari tindakan yang memaksimumkan pulangan jangka panjang.
Data Sintetik
Data yang dijana secara buatan digunakan untuk menambah, mensimulasikan atau melindungi data latihan yang sensitif.
Uji diri andaKuiz Agen AI

Apa yang berlaku

National Payments Corporation of India (NPCI) dan NVIDIA melancarkan persekitaran pembelajaran pengukuhan terbuka untuk ejen AI perbankan di Global Fintech Fest 2026. Sistem ini membolehkan pembangun, bank dan fintech melatih dan menanda aras model AI pada tugas perbankan India menggunakan data sintetik, memelihara kedaulatan data. Dibina pada NVIDIA NeMo dan NeMo RL, persekitaran menyokong Protokol Konteks Model dan direka bentuk untuk sumbangan kepada Gim NeMo.

Pada Global Fintech Fest 2026, National Payments Corporation of India (NPCI) dan NVIDIA mengumumkan pelancaran persekitaran pembelajaran pengukuhan terbuka yang direka khusus untuk ejen AI perbankan. Menurut CNBC TV18, inisiatif itu bertujuan untuk membolehkan pembangun, bank, fintech dan pasukan penyelidikan melatih dan menanda aras ejen AI mengenai tugas perbankan India.

Persekitaran menggunakan data sintetik untuk memastikan maklumat pelanggan sebenar tidak digunakan dalam proses latihan. NPCI menyatakan bahawa pendekatan ini mengekalkan kedaulatan data sambil menyokong pembangunan AI agenik. Sistem ini membolehkan model AI belajar daripada perbualan perbankan berbilang pusingan, dengan prestasi dinilai berdasarkan hasil dan bukannya hanya kelancaran perbualan.

Secara teknikal, persekitaran dibina menggunakan NVIDIA NeMo dan rangka kerja RL NeMo. Ia direka bentuk untuk sumbangan kepada NeMo Gym, perpustakaan terbuka untuk menilai dan menambah baik ejen AI melalui latihan berasaskan alam sekitar. Sistem ini juga mengikut piawaian terbuka, termasuk Model Context Protocol (MCP), yang membolehkan institusi melatih dan menanda aras model AI pada tugas tertentu.

NPCI menyifatkan rangka kerja itu sebagai persekitaran yang stabil, boleh diguna semula dan kos efektif untuk membangun dan menilai ejen AI perbankan. Inisiatif ini memperluaskan pendekatan infrastruktur awam digital NPCI kepada latihan AI, mewujudkan asas terbuka dan terurus untuk ekosistem. Pembangun boleh memperluaskan persekitaran untuk menampung tugas dan domain perbankan tambahan, dan peserta boleh menyumbang tugas, alatan dan penambahbaikan baharu.

Butiran sumber: cnbctv18.com ↗

Mengapa ia penting

Pelancaran ini menyediakan asas piawaian yang dikawal untuk membangunkan AI ejen dalam sektor perbankan India. Dengan menggunakan data sintetik, ia menangani kebimbangan privasi sambil mendayakan evolusi pembantu perbualan menjadi agen menggunakan alat. Sifat terbuka persekitaran menggalakkan kerjasama seluruh ekosistem dan mewujudkan standard bersama untuk menilai prestasi AI perbankan.

Pelancaran itu menangani jurang kritikal dalam pembangunan ejen AI untuk sektor kewangan: keperluan untuk persekitaran latihan yang selamat, patuh dan piawai. Dengan menggunakan data sintetik, persekitaran mengurangkan risiko privasi yang berkaitan dengan latihan mengenai data pelanggan sebenar, yang merupakan kebimbangan penting dalam perbankan.

Penggunaan piawaian terbuka seperti Protokol Konteks Model memastikan kesalingoperasian dan membolehkan ekosistem alat dan model yang lebih luas disepadukan. Penyeragaman ini adalah penting untuk mewujudkan penanda aras bersama untuk ejen AI perbankan di India, memudahkan perbandingan dan persaingan antara penyelesaian AI yang berbeza.

Inisiatif ini menyokong peralihan daripada pembantu perbualan mudah kepada ejen menggunakan alat yang lebih berkebolehan yang boleh menyelesaikan permintaan pelanggan dalam peraturan yang ditetapkan. Evolusi ini penting untuk meningkatkan kecekapan perkhidmatan pelanggan dan mengurangkan kos operasi dalam sektor perbankan.

Dengan meletakkan ini sebagai sebahagian daripada strategi infrastruktur awam digitalnya, NPCI menandakan komitmen untuk menjadikan AI sebagai komponen asas ekosistem kewangan India. Ini mungkin mempunyai implikasi yang lebih luas tentang cara AI dikawal dan digunakan dalam sektor ekonomi India yang lain.

Interactive Mechanism

Mekanisme Interaktif: Bagaimana Ia Berfungsi Sebenarnya

Terokai teknologi asas di sebalik pembangunan ini secara interaktif.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Semakan Konsep Interaktif+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Apa yang perlu ditonton seterusnya

Pantau penggunaan persekitaran ini oleh bank dan fintech utama India. Perhatikan pengembangan liputan tugas melangkaui kes penggunaan perbankan awal dan penyepaduan alatan baharu yang disumbangkan oleh komuniti pembangun. Perhatikan bagaimana inisiatif ini mempengaruhi piawaian kawal selia untuk AI dalam perkhidmatan kewangan di India.

Jejaki penggunaan awal alam sekitar oleh bank-bank utama India dan syarikat fintech. Pengguna awal akan memberikan pandangan tentang utiliti praktikal dan batasan pendekatan data sintetik.

Pantau pertumbuhan perpustakaan Gim NeMo apabila pembangun menyumbangkan tugas, alatan dan penambahbaikan baharu. Kepelbagaian dan kualiti sumbangan ini akan menentukan nilai jangka panjang platform.

Perhatikan bagaimana badan kawal selia di India bertindak balas terhadap penggunaan data sintetik untuk latihan AI dalam sektor kewangan. Ini boleh menetapkan duluan untuk privasi data dan tadbir urus AI dalam industri lain.

Nantikan pengumuman mengenai pengembangan persekitaran untuk meliputi tugas dan domain perbankan tambahan, seperti perkhidmatan pinjaman, insurans atau pelaburan.

Panduan & kuiz berkaitan

Ejen AIModel AI DiterangkanEtika AIUji apa yang anda tahu — cuba kuiz AI percumaCari istilah AI dalam glosari kamiIkuti penjejak keluaran model AI
Adakah ini berguna?